用于64‑QAM相干光传输系统的缓和光纤非线性方法技术方案

本发明专利技术涉及本发明专利技术公开了一种用于64‑QAM相干光传输系统缓和光纤非线性的方法，对接收到的64‑QAM数据进行处理。首先将接收到的数据集分成64个簇，找到64个簇中心，并且找到每个数据点属于的簇。本次发明专利技术的k‑means SVM算法是一种全局最优泛化算法，利用简单结构的k‑means算法对无噪声信号点进行分类，然后应用SVM分类器来缓和失真信号。在所提出的方法中，我们利用k‑means聚类算法对无噪声64‑QAM信号进行分类，从而减少支持向量的数量，以节省SVM分类器的实现时间。同时，我们使用SVM分类器进行噪声泛化，以提高损伤信号的性能。本发明专利技术能够快速和准确地选取出k‑means聚类的全局最优质心，并且很好地缓和了光纤中克尔非线性的影响，同时得到与SVM算法差不多的误码率性能。

For ease of fiber nonlinear method of optical transmission system 64 coherent QAM

【技术实现步骤摘要】
用于64-QAM相干光传输系统的缓和光纤非线性方法
本专利技术涉及通信
，特别是涉及用于64-QAM相干光传输系统的缓和光纤非线性方法。
技术介绍
为了适应网络流量的高涨，数字相干光通信技术得到了广泛的研究和应用。相干光通信使得能够采用具有高频谱效率的高阶调制格式，例如M元相移键控(M-PSK)和M元正交幅度调制(M-QAM)，以增加传输容量[1]。然而，具有更多星座点和相邻符号之间欧几里德距离更短的高阶调制64-QAM信号更容易受到系统损伤的影响，例如光纤克尔非线性和放大自发辐射噪声[2]。此外，光纤克尔非线性作为非线性效应之一是高阶调制长距离相干光传输系统的主要障碍。更高的信号功率进入光纤提供更大的光信噪比(OSNR)，但同时引起更大的非线性，这严重恶化了系统性能。因此，研究光纤克尔非线性和非线性补偿技术是重要的。为了补偿光纤非线性，已经提出了许多数字信号处理(DSP)算法，如数字反向传播(DBP)，支持向量机(SVM)等。DBP利用数字域中的反向传播算法，基于分步傅立叶方法求解光纤链路的反向非线性薛定方程，并从接收信号中计算发射信号。虽然基于DBP的光纤非线性补偿技术是有效的，但在实际操作过程中，大量的迭代形成了很高的复杂度。SVM具有合适的内核函数，是最受欢迎的机器学习算法之一。它可以精确地对符号进行分类，并已被引入到相干光通信系统中，以减轻光纤克尔非线性并有效提高误码率(BER)性能[3，4]。然而，SVM算法仍然存在一些缺点。SVM算法的复杂度也比较高，对于64-QAM信号，需要6个SVM分类器。随着调制阶数的增加，将要求更多的支持向量机和更长的训练序列。另外，SVM二次规划通过计算m阶矩阵来求解支持向量(m是采样数)[5]。对于较大的采样数据，存储和计算较大矩阵将需要更长的时间。因此，大规模的训练数据总是导致SVM的实施时间更长。因此，研究新的算法对于降低计算复杂度以缓和光纤非线性引起的信号损伤来说是非常重要的。参考文献：[1]K.Kikuchi，“FundamentalsofCoherentOpticalFiberCommunications，”J.LightwaveTechnol.34(1)，157-179(2016).[2]T.Rahman，D.Rafique，B.Spinnler，S.Calabr`o，E.d.Man，U.Feiste，A.Napoli，M.Bohn，G.Khanna，N.Hanik，E.Pincemin，C.L.Bou··ett′e，J.Jauffrit，S.Bordais，C.Andr′e，C.Dourthe，B.Ragu′en`es，C.M.Okonkwo，A.M.J.Koonen，andH.d.Waardt，“Long-HaulTransmissionofPM-16QAM-，PM-32QAM-，andPM-64QAM-BasedTerabitSuperchannelsOveraFieldDeployedLegacyFiber，”J.LightwaveTechnol.34(13)，3071-3079(2016).[3]M.Li，S.Yu，J.Yang，Z.Chen，Y.HanandW.Gu，“NonparameterNonlinearPhaseNoiseMitigationbyUsingM-arySupportVectorMachineforCoherentOpticalSystems，”IEEEPhoton.J.5(6)，7800312(2013).[4]T.Nguyen，S.Mhatli，E.Giacoumidis，L.V.Compernolle，M.Wuilpart，andP.Mégret，“FiberNonlinearityEqualizerBasedonSupportVectorClassificationforCoherentOpticalOFDM，”IEEEPhoton.J.8(2)，1-9(2016).[5]I.Tsang，J.Kwok，P.Cheung，″CoreVectorMachines:FastSVMTrainingonVeryLargeDataSets，″JournalofMachineLearningResearch，6(1)，363(2005).
技术实现思路
基于此，有必要针对上述技术问题，提供一种用于64-QAM相干光传输系统的缓和光纤非线性方法。一种用于64-QAM相干光传输系统的缓和光纤非线性方法，包括：设置训练序列数据{(x1，y1)，(x2，y2)，...，(xn，yn)}，其中xn是复数，表示接收到的训练数据，n是训练序列的长度，yn表示对应于xn的标签且共有64种；在发射机中，将长度为n的训练序列插入到发射信号前，调制发射出一个64-QAM光信号，经过光纤传输之后，在相干光接收机中，经过相位恢复算法之后，获得64簇星座点；将训练序列与发射信号区分，根据已知的训练序列标签估计光纤通道特性，并且将接收到的训练数据分为64簇；最后将每个簇中的训练序列在等式(1)中进行平均，得到64个簇质心Ci；i＝1，2，3，...，64，其中N是第i个簇群中的数据长度，Dj是第i个簇群中的第j个数据；在分类信号中，计算簇质心与每个簇信号点之间的距离；判断该距离是否超过预设值c；若是，将这些数据表示为噪声信号，根据训练序列数据使用SVM分类处理，获得相应的已知标签yn1；否则，通过k-means聚类算法处理数据获得标签yn2；将标签yn1和yn2按顺序合并。上述用于64-QAM相干光传输系统的缓和光纤非线性方法，根据训练序列，k-means聚类算法可以更准确的找到簇质心位置，同时可以提高收敛速度；我们利用k-means聚类算法对无噪声64-QAM信号进行分类，从而减少支持向量的数量，以节省SVM算法的实现时间。同时，我们使用SVM分类器进行噪声泛化，以提高噪声干扰信号的性能。在另外的一个实施例中，其中所述训练序列占所述发射信号的10％。在另外的一个实施例中，其中所述yn∈{0,1,2,3,…,63}。在另外的一个实施例中，预设值的阈值为0.55，xn的实部和虚部的数值范围为[-10,10]。附图说明图1为本申请实施例提供的一种用于64-QAM相干光传输系统的缓和光纤非线性方法的流程图。图2是本申请实施例提供的一种用于64-QAM相干光传输系统的缓和光纤非线性方法的装置示意图。图3是本申请实施例提供的一种用于64-QAM相干光传输系统的缓和光纤非线性方法中对简单的信号进行的k-meansSVM算法的示意图；图4是本申请实施例提供的一种用于64-QAM相干光传输系统的缓和光纤非线性方法的的64-QAM信号结果图；图5是本申请实施例提供的一种用于64-QAM相干光传输系统的缓和光纤非线性方法的传输130km单模光纤后的64-QAM实验结果星座图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。参阅图1为本申请实施例提供的一种用于64-QAM相干光传输系统的缓和光纤非线性方法的流程图。一种用于64-本文档来自技高网...

【技术保护点】
一种用于64‑QAM相干光传输系统的缓和光纤非线性方法，其特征在于，包括：设置训练序列数据{(x1，y1)，(x2，y2)，...，(xn，yn)}，其中xn是复数，表示接收到的训练数据，n是训练序列的长度，yn表示对应于xn的标签且共有64种；在发射机中，将长度为n的训练序列插入到发射信号前，调制发射出一个64‑QAM光信号，经过光纤传输之后，在相干光接收机中，经过相位恢复算法之后，获得64簇星座点；将训练序列与发射信号区分，根据已知的训练序列标签估计光纤通道特性，并且将接收到的训练数据分为64簇；最后将每个簇中的训练序列在等式(1)中进行平均，得到64个簇质心Ci；

【技术特征摘要】
1.一种用于64-QAM相干光传输系统的缓和光纤非线性方法，其特征在于，包括：设置训练序列数据{(x1，y1)，(x2，y2)，...，(xn，yn)}，其中xn是复数，表示接收到的训练数据，n是训练序列的长度，yn表示对应于xn的标签且共有64种；在发射机中，将长度为n的训练序列插入到发射信号前，调制发射出一个64-QAM光信号，经过光纤传输之后，在相干光接收机中，经过相位恢复算法之后，获得64簇星座点；将训练序列与发射信号区分，根据已知的训练序列标签估计光纤通道特性，并且将接收到的训练数据分为64簇；最后将每个簇中的训练序列在等式(1)中进行平均，得到64个簇质心Ci；i＝1，2，3，...，64，其中N是第i个簇群中的数据长...

【专利技术属性】
技术研发人员：高明义，陈伟，张俊峰，沈纲祥，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏,32